区分图像和噪声
Distinguishing images from noise
神经网络已成功用于监督学习以对图像进行分类。
我目前正在研究一个不同的问题：区分显示某事、包含一些明显顺序的图像与仅是白噪声的图像。我想得到一些关于图像排序的数字估计值。
显然有几种方法可以做到这一点，例如PNG 压缩图像并查看它缩小了多少。 （纯噪声是不可压缩的。）但我目前有兴趣尝试用神经网络来做；在我看来，应该可以通过无监督学习来做到这一点，使用某种自动编码器。
这是已经完成的事情吗？理想情况下使用 PyTorch，但我很乐意查看使用任何语言和框架的解决方案。
这个问题对于Whosebug来说有点太宽泛了，看起来更像是一个研究问题。该主题在 https://stats.stackexchange.com/ 中也更适用于机器学习人员潜伏的地方。
虽然这个问题很有趣。根据我的经验，如果可能的话，使用分析解决方案总是比尝试学习解决方案更好，我认为机器学习是当事情变得太复杂时可以依靠的东西。检测纯噪声图像相对简单，人们会期望图像直方图的 Shannon entropy of the image to explode. You could also e.g. match the K-L divergence 符合高斯分布或泊松分布或您期望的任何噪声分布。如果图像真的只是噪音，那么我希望这些解决方案中的任何一个都能非常轻松快速地对它们进行分类，只需很少的调整。如果您想学习答案，我建议您制作一些信息理论或简单的基于边缘的功能等，并对它们进行分类，例如使用朴素贝叶斯或支持向量机。
如果你想使用神经网络，那么当然，我相信你可以教一个模型来获得信息内容的概念。 Deep image prior 是最近流行的一篇文章，它使用了自动编码器的想法，'impedance' 用于结构化图像。他们使用它来去噪、推算和进行超分辨率，但我相信您可以按照相同的思路使用无监督或半监督的基于 NN 的废话检测器。我希望它比具有相似精度或更差的更简单的手工信息理论方法慢几个数量级。
神经网络已成功用于监督学习以对图像进行分类。
我目前正在研究一个不同的问题：区分显示某事、包含一些明显顺序的图像与仅是白噪声的图像。我想得到一些关于图像排序的数字估计值。
显然有几种方法可以做到这一点，例如PNG 压缩图像并查看它缩小了多少。 （纯噪声是不可压缩的。）但我目前有兴趣尝试用神经网络来做；在我看来，应该可以通过无监督学习来做到这一点，使用某种自动编码器。
这是已经完成的事情吗？理想情况下使用 PyTorch，但我很乐意查看使用任何语言和框架的解决方案。
这个问题对于Whosebug来说有点太宽泛了，看起来更像是一个研究问题。该主题在 https://stats.stackexchange.com/ 中也更适用于机器学习人员潜伏的地方。
虽然这个问题很有趣。根据我的经验，如果可能的话，使用分析解决方案总是比尝试学习解决方案更好，我认为机器学习是当事情变得太复杂时可以依靠的东西。检测纯噪声图像相对简单，人们会期望图像直方图的 Shannon entropy of the image to explode. You could also e.g. match the K-L divergence 符合高斯分布或泊松分布或您期望的任何噪声分布。如果图像真的只是噪音，那么我希望这些解决方案中的任何一个都能非常轻松快速地对它们进行分类，只需很少的调整。如果您想学习答案，我建议您制作一些信息理论或简单的基于边缘的功能等，并对它们进行分类，例如使用朴素贝叶斯或支持向量机。
如果你想使用神经网络，那么当然，我相信你可以教一个模型来获得信息内容的概念。 Deep image prior 是最近流行的一篇文章，它使用了自动编码器的想法，'impedance' 用于结构化图像。他们使用它来去噪、推算和进行超分辨率，但我相信您可以按照相同的思路使用无监督或半监督的基于 NN 的废话检测器。我希望它比具有相似精度或更差的更简单的手工信息理论方法慢几个数量级。